跳到正文
Hugging Face Daily Papers·· 27 天前AI 评分58

TraceTrial-Bench:AI Agent Harness 可靠性与故障归因评测基准

Trial by Trace: Benchmarking AI Agent Harnesses for Reliability and Failure Attribution

AI 导读

针对现有基准多关注模型能力而忽视 Agent Harness 评估的问题,该研究提出 TraceTrial-Bench,从上下文、执行、治理等七个维度构建 95 个专家级任务。

来源:Hugging Face Daily Papers · arxiv.org